摘要：
目录概符号说明MotivationNeo-GNN代码 Neo-GNNs: Neighborhood overlap-aware graph neural networks for link prediction. NeurIPS, 2021. 概 一种计算上相对高效的, 同时利用结构信息和特征信息的 阅读全文
摘要：
目录概基本的设定非凸优化凸优化强凸优化 概 近来对优化和收敛速度有了一些新的感悟, 特此一记. 这些感悟有的来自博客 (如 here), 有的来自书籍. 以往只是套一些收敛的模板, 这里我会讲一下如何从几何的角度去理解这些收敛性. 基本的设定 假设我们希望优化: \[\tag{1} \min_{x 阅读全文
摘要：
目录概符号说明MotivationFOBOS (Forward-Backward Splitting)RDA (Regularized Dual Averaging)FTRL-Proximal (Follow The Regularized Leader)FOBOS, RDA, FTRL-Proxi 阅读全文
摘要：
目录概AdaBelief代码 Zhuang J., Tang T., Ding Y., Tatikonda S., Dvornek N., Papademetris X. and Duncan J. S. AdaBelief Optimizer: Adapting stepsizes by the 阅读全文
摘要：
目录概符号说明BSARec (Beyond Self-Attention for Sequential Recommendation)代码 Shin Y., Choi J., Wi H. and Park N. An attentive inductive bias for sequential r 阅读全文
摘要：
目录概BACON代码 [Yang Z., Feng R., et al. BACON: Supercharge your vlm with bag-of-concept graph to mitigate hallucinations. 2024.] 概 本文提出了一种新的数据格式: BACON ( 阅读全文
摘要：
目录概RecAgentProfile moduleMemory moduleAction module Wang L, Zhang J., Yang H., Chen Z., Tang J., Zhang Z., Chen X., Lin Y., Sun H., Song R., Zhao W. X 阅读全文
摘要：
目录概CSHI (Controllable, Scalable, and Human-Involved)代码 Zhu L., Huang X. and Sang J. A llm-based controllable, scalable, human-involved user simulator 阅读全文
摘要：
目录概ID-GNN You J., Gomoes-Selman J., Ying R. and Leskovec J. Identity-aware graph neural networks. AAAI, 2021. 概 提出了一种能够超越 1-WL-Test 的 GNN. ID-GNN ID-G 阅读全文
摘要：
目录概符号说明Homophily on Feature Aspect [1] Chen Y., Luo Y., Tang J., Yang L., Qiu S., Wang C. and Cao X. LSGNN: Towards general graph neural network in no 阅读全文
摘要：
目录概符号说明Dirichlet energy and Gradient-flowHeat equationGradient flows on graphs: th learnable caseAttraction and repulsionLow vs high frequency dominan 阅读全文
摘要：
目录概SAT代码 Chen D., O'Bray L. and Borgwardt K. Structure-aware transformer for graph representation learning. ICML, 2022. 概 Graph + Transformer + 修改 att 阅读全文
摘要：
目录概LLaVA代码 Liu H., Li C., Wu Q. and Lee Y. J. Visual Instruction Tuning. NeurIPS, 2023. 概 LLaVA. LLaVA LLaVA 希望用 LLM 推理模态特征, 想法很简单: 用 Vision Encoder 得 阅读全文
摘要：
目录概Mamba代码 Gu A. and Dao T. Mamba: Linear-time sequence modeling with selective state spaces. 2023. 概 Mamba. Mamba S4 和 S4D 虽然解决了 SSM 计算速度的问题, 但是有一个前提 阅读全文
摘要：
目录概H3代码 Fu D. Y., Dao T., Saab K. K., Thomas A. W., Rudra A. and Re C. Hungry hungry hippos: towards language modeling with state space models. 2022. 阅读全文
摘要：
目录概符号说明S4D代码 Gu A., Gupta A., Goel K. and Re C. On the parameterization and initialization of diagonal state space models. NeurIPS, 2022. 概 Mamba 系列第四 阅读全文
摘要：
目录概符号说明S4代码 Gu A., Goel K. and Re C. Efficiently modeling long sequences with structured state spaces. NeurIPS, 2022. 概 Mamba 系列第三作. 符号说明 \(u(t) \in \ 阅读全文
摘要：
目录概符号说明LSSL和其它方法的联系代码 Gu A., Johnson I., Goel K., Saab K., Dao T., Rudra A., and Re C. Combining recurrent, convolutional, and continuous-time models 阅读全文
摘要：
目录概Motivation代码 Gu A., Dao T., Ermon S., Rudra A. and Re C. HiPPO: Recurrent memory with optimal polynomial projections. NIPS, 2021. 概 看下最近很火的 Mamba 的 阅读全文
摘要：
目录概符号说明Unlearning LayersFusing Unlearning Layers代码 Chen J. and Yang D. Unlearn what you want to forget: efficient unlearning for llms. 2024. 概 本文提出一种 阅读全文